Casos de uso para replicar datos de mainframe en el Nube de AWS

En esta sección, se analizan varios casos de uso comunes que se han convertido en los principales candidatos para la replicación de datos de mainframe al. Nube de AWS Estos casos de uso abarcan varios sectores y requisitos operativos, y cada uno presenta desafíos y oportunidades únicos. En estos escenarios, la replicación de datos puede desempeñar un papel fundamental a la hora de impulsar la innovación, la agilidad y la resiliencia empresarial.

Caso de uso 1: cambiar la captura de datos

La captura de datos de cambios (CDC) es ideal para situaciones en las que se requiere la replicación de datos casi en tiempo real. Captura y replica solo los datos modificados del mainframe al. Nube de AWS Esto minimiza la sobrecarga y la latencia de la replicación.

Criterios de selección

• Requisitos de replicación de datos en tiempo real o casi en tiempo real

• Actualizaciones de datos de alta frecuencia con baja tolerancia a la latencia

• Necesidad de un uso eficiente del ancho de banda y los recursos de la red

Ventajas

• Reducción de la sobrecarga de replicación y del uso del ancho de banda de red

• La latencia minimizada permite que los datos actualizados estén disponibles antes

• Utilización eficiente de los recursos gracias a la replicación selectiva de los datos modificados

Desventajas

• Complejidad en la implementación y administración de los mecanismos de los CDC

• Posibilidad de aumentar la utilización de los recursos en los sistemas de mainframe debido a la captura de cambios

• Dependencia de la confiabilidad y el rendimiento de las herramientas y los procesos de los CDC

Strategy (Estrategia)

• Seleccione una herramienta de los CDC que sea compatible con las bases de datos de mainframe y Servicios de AWS

• Configure la herramienta de los CDC para capturar y replicar solo los cambios de datos relevantes

• Implemente mecanismos de monitoreo y validación para mantener la consistencia y confiabilidad de los datos

• Considere la posibilidad de implementar mecanismos de conmutación por error que promuevan la disponibilidad continua y la integridad de los datos

Caso de uso 2: informes y paneles en tiempo real

Para una visualización y un análisis inmediatos, los informes y los paneles de control en tiempo real requieren una replicación continua de los datos desde los sistemas mainframe a los. Nube de AWS Este caso de uso es común en sectores en los que la información en tiempo real es fundamental para la toma de decisiones, como la banca, los seguros, el comercio minorista, la sanidad y la fabricación.

Criterios de selección

• Necesidad de acceso inmediato a los datos actualizados para su análisis y visualización

• Requisito de supervisión en tiempo real de las métricas empresariales y los indicadores clave de rendimiento (KPIs)

• Gran demanda de agilidad y capacidad de respuesta en los procesos de toma de decisiones

Ventajas

• Proporciona acceso inmediato a datos actualizados para el análisis y la toma de decisiones en tiempo real

• Permite la supervisión proactiva del rendimiento empresarial y las intervenciones oportunas

• Facilita la visualización dinámica e interactiva de los datos para las partes interesadas

Desventajas

• Mayor complejidad en la replicación y el procesamiento de datos para lograr actualizaciones en tiempo real

• Mayor consumo de recursos y costos de infraestructura debido a la replicación continua

• Dependencia de mecanismos sólidos de monitoreo y alerta para validar la frescura y confiabilidad de los datos

Strategy (Estrategia)

• Implemente los CDC o los protocolos de mensajería para la replicación de datos en tiempo real

• Úselo Servicios de AWS, como Amazon Kinesis Data Streams, para la transmisión y el procesamiento de datos en tiempo real

• Diseñe e implemente soluciones de informes y paneles en tiempo real Nube de AWS para poder acceder de inmediato a los datos actualizados

• Implemente mecanismos de monitoreo y alerta para detectar y abordar rápidamente los problemas de replicación de datos

Caso de uso 3: protocolos de mensajería

Protocolos y sistemas de mensajería, como Apache Kafka o IBM MQ, facilitan la comunicación asíncrona y la transferencia de datos entre el ordenador central y el. Nube de AWS Son adecuados para escenarios que requieren una integración de datos desacoplada y escalable.

Criterios de selección

• Requisitos de transferencia de datos asíncrona

• Necesidad de una arquitectura de integración de datos escalable y disociada

• Support para la replicación de datos en tiempo real o casi en tiempo real con baja latencia

Ventajas

• Arquitectura desacoplada y escalable que permite una integración de datos flexible

• Support para la replicación de datos en tiempo real o casi en tiempo real con baja latencia

• Funciones integradas para garantizar la fiabilidad, la cola de mensajes y la tolerancia a errores

Desventajas

• Complejidad en la configuración y administración de la infraestructura de mensajería

• Posibilidad de aumentar el consumo de recursos y la sobrecarga operativa

• Dependencia de la confiabilidad y el rendimiento de la plataforma de mensajería

Strategy (Estrategia)

• Elija un sistema de mensajería, como Apache Kafka o IBM MQ, que sea compatible tanto con el ordenador central como con el Nube de AWS

• Diseñe temas o colas de mensajería que faciliten la transferencia y replicación de datos

• Implemente a los productores y consumidores de mensajes en el mainframe y la nube para intercambiar datos

• Configure los mecanismos de monitoreo y alerta para validar la confiabilidad del procesamiento y la replicación de los mensajes

Caso de uso 4: nuevos canales e interfaces

Un canal central es una conexión que mueve datos hacia y desde un ordenador central. Los canales forman parte del subsistema de canales. Para una exposición y un consumo inmediatos, los nuevos canales e interfaces requieren una replicación continua de los datos desde los sistemas mainframe a la nube.

Criterios de selección

• Necesidad de acceso inmediato a los datos actualizados de los nuevos canales

• Acceso a los datos del mainframe con nuevas interfaces

• Gran demanda de nuevos canales

• Integración con diversos sistemas, plataformas o entornos de nube

Ventajas

• Desbloquear el acceso a los datos del mainframe al permitir que nuevos canales consuman los datos del mainframe

• Facilitar la integración con diversos sistemas, plataformas o entornos de nube

• Permitiendo un movimiento de datos más flexible y eficiente en diferentes infraestructuras

Desventajas

• La introducción de nuevas interfaces o canales para la replicación de datos puede requerir medidas de seguridad adicionales para ayudar a proteger los datos y cumplir con las regulaciones

• Integrar nuevas interfaces con los sistemas y flujos de trabajo existentes puede resultar difícil, especialmente en entornos complejos o heredados

Strategy (Estrategia)

• Implemente los CDC o los protocolos de mensajería para la replicación de datos en tiempo real

• Úselo Servicios de AWS, como Kinesis Data Streams, para la transmisión y el procesamiento de datos en tiempo real

• Implemente mecanismos de supervisión y alerta para detectar y abordar rápidamente los problemas de replicación de datos

Caso de uso 5: cumplimiento normativo y archivado de datos

El cumplimiento normativo y el archivado de datos implican la replicación de los datos del mainframe en la nube para mantenerlos a largo plazo. Es fundamental cumplir con las políticas y normas de retención de datos. Este caso de uso prevalece en los sectores regulados, como la banca, la sanidad y los productos farmacéuticos.

Criterios de selección

• Necesidad de conservar a largo plazo los datos históricos para cumplir con las normas o los requisitos legales

• Necesidad de soluciones de almacenamiento seguras y escalables para los datos archivados

• Cumplimiento de las normas de privacidad de datos y de los mandatos específicos del sector en materia de conservación y archivado de datos

Ventajas

• Cumplimiento de los requisitos reglamentarios y los mandatos específicos del sector en materia de retención de datos

• Soluciones de almacenamiento escalables y rentables para el archivado de datos históricos a largo plazo

• Recuperación y acceso eficientes a los datos archivados con fines legales o de auditoría

Desventajas

• Complejidad a la hora de gestionar y organizar los datos archivados para una recuperación y un acceso eficientes

• Potencial de aumentar los costos de almacenamiento asociados con la retención a largo plazo de grandes volúmenes de datos

• Confianza en un cifrado de datos sólido y en controles de acceso para proteger los datos archivados del acceso no autorizado

Strategy (Estrategia)

• Implemente políticas de ciclo de vida de los datos para automatizar el archivado y la retención de los datos históricos

• Utilice ofertas AWS de almacenamiento, como las clases de almacenamiento Amazon S3 Glacier o Amazon S3 Glacier, para un almacenamiento rentable a largo plazo

• Cifre los datos archivados en reposo e implemente controles de acceso que ayuden a evitar el acceso no autorizado

• Establezca pistas de auditoría y mecanismos de registro que rastreen el acceso a los datos archivados y cumplan con los requisitos reglamentarios

Caso de uso 6: procesamiento de descarga y replicación por lotes

El procesamiento de descargas y la replicación por lotes implican programar trabajos por lotes periódicos para extraer datos del mainframe y cargarlos en él. Nube de AWS Es adecuado para escenarios en los que no se requiere la replicación en tiempo real y el procesamiento por lotes es aceptable.

Criterios de selección

• No se requiere la replicación de datos en tiempo real

• El procesamiento por lotes es aceptable para las actualizaciones de datos

• Menor frecuencia de actualizaciones de datos con una tolerancia moderada a la latencia

Ventajas

• Eliminar del sistema central principal las operaciones que requieren muchos recursos informáticos, como la transformación, la compresión o el cifrado de datos, puede mejorar el rendimiento general del sistema y reducir los cuellos de botella

• Utilización predecible de los recursos y menor impacto en los sistemas de mainframe

• Flexibilidad para programar los trabajos de replicación en función de los requisitos del negocio

Desventajas

• Mayor latencia en la disponibilidad de los datos en comparación con la replicación en tiempo real o casi en tiempo real

• Existe la posibilidad de que los datos no coincidan entre el mainframe y la nube debido a las actualizaciones periódicas

• Idoneidad limitada para escenarios que requieren un acceso oportuno a los datos actualizados

Strategy (Estrategia)

• Desarrolle trabajos de replicación por lotes que extraigan y carguen datos del mainframe al Nube de AWS

• Programe los trabajos de replicación en función de los requisitos de su negocio y de las frecuencias de actualización de datos

• Implemente comprobaciones para validar la coherencia e integridad de los datos

• Considere la posibilidad de optimizar los procesos de replicación por lotes para reducir la latencia y el consumo de recursos